非侵襲的パラメーターを使用した術中低血圧の予測のための深層学習モデル
2025年3月25日 更新者:Hyun Joo Ahn、Samsung Medical Center
非侵襲的モニタリングデバイスを使用した術中低血圧の予測: 深層学習モデルの開発
研究者は、深層学習モデルを調査して、非侵襲的なモニタリング パラメータを使用して術中の低血圧を予測することを目指しました。
調査の概要
詳細な説明
術中低血圧は、急性腎障害などのさまざまな術後合併症に関連しています。
したがって、術中低血圧の正確な予測と迅速な治療が重要です。
しかし、麻酔科医の経験と勘に基づいて術中低血圧を正確に予測することは困難です。
最近、侵襲的動脈圧モニタリングを使用した深層学習アルゴリズムにより、術中低血圧の優れた予測能力が示されました。
これは、臨床医の決定に役立ちます。
ただし、一般的な手術を受けているほとんどの患者は、非侵襲的なパラメーターによって監視されます。
したがって、研究者は、非侵襲的モニタリングを使用して術中低血圧の予測モデルを調査します。
研究の種類
観察的
入学 (実際)
5175
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究場所
-
-
-
Seoul、大韓民国、06351
- Samsung Medical Center
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
いいえ
サンプリング方法
確率サンプル
調査対象母集団
研究集団には、2016 年 6 月から 2017 年 8 月の間に韓国ソウルのソウル国立大学病院で心臓以外の手術のために吸入全身麻酔を受けた患者が含まれていました。
説明
包含基準:
- 公開データベース VtialDB に含まれる患者。
- 非心臓手術のために吸入全身麻酔を受けた患者。
- 血圧、心電図、パルスオキシメトリー、バイスペクトル指数、カプノグラフィー、吸入剤の最小肺胞濃度などの非侵襲的モニタリングデータを持つ患者。
除外基準:
- データが欠落している患者。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか?
デザインの詳細
コホートと介入
グループ/コホート |
|---|
|
グループ
オープン ソース データベース (VitalDB、https://vitaldb.net) では、血圧、心電図、パルスオキシメトリー、バイスペクトル インデックス、カプノグラフィー、吸入剤の最小肺胞濃度などの非侵襲的モニタリングによる全身麻酔を受けた患者。
|
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
深層学習モデルの術中低血圧イベント予測能力
時間枠:学習完了まで、平均 3 時間
|
術中低血圧を予測するための深層学習モデルの受信者動作特性 (AUROC) 曲線の下の領域。
|
学習完了まで、平均 3 時間
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
スポンサー
捜査官
- 主任研究者:Hyun Joo Ahn, MD, PhD、Samsung Medical Center
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Lee HC, Jung CW. Vital Recorder-a free research tool for automatic recording of high-resolution time-synchronised physiological data from multiple anaesthesia devices. Sci Rep. 2018 Jan 24;8(1):1527. doi: 10.1038/s41598-018-20062-4.
- Lee S, Lee HC, Chu YS, Song SW, Ahn GJ, Lee H, Yang S, Koh SB. Deep learning models for the prediction of intraoperative hypotension. Br J Anaesth. 2021 Apr;126(4):808-817. doi: 10.1016/j.bja.2020.12.035. Epub 2021 Feb 6.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2023年4月1日
一次修了 (実際)
2024年5月1日
研究の完了 (実際)
2024年5月1日
試験登録日
最初に提出
2023年2月13日
QC基準を満たした最初の提出物
2023年3月7日
最初の投稿 (実際)
2023年3月9日
学習記録の更新
投稿された最後の更新 (実際)
2025年3月30日
QC基準を満たした最後の更新が送信されました
2025年3月25日
最終確認日
2024年5月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。